01
大数据能够给自己带来什么价值？
大数据对企业精细运营起到的价值是非常巨大的，主要处理的商业问题是如何提升营收、提高流程效率，降低成本和提升客户体验等等。
销售最大化：对商品、顾客和场景进行大数据分析，把最合适的商品通过最贴切的场景卖给最合适的顾客，让爆款不缺货，产品有关联，价值卖更高。
流程效率提升和成本缩减：通过大数据分析，发现现有销售、生产、供应链、物流等流程中不能带来“价值”的行为、环节、步骤等，然后进行优化并消除，进而节约大量开支。
未来销售预测：针对销售数据进行深度的分析和挖掘，通过预测建模技术，结合实时化的企业外部数据对未来销售情况和市场趋势进行精准预测，提前做好准备，把风险降到最低。
新产品和新市场的发现：通过对现有产品、销售状况、市场走势、设计特征等因素的分析，判断应该推出什么样的新产品有最大可能的“爆款”，以及最适合什么样的市场
店铺选址建议：大数据技术通过建模，把各项参数设计进一套决策模型，车流量、消费群体分布、商业构成等相关数据输入，就能得到较为明确的决策建议，节省大量的开支
02
自己的数据是大数据吗？
产生这种想法，主要还是认为大数据是大企业的“特权”，自己太小貌似没有太多的数据，但其实并不尽然。
就算中小型企业，在企业内部每天也有海量的数据在实时产生，自己每天的营业额、成本支出、销售数量、进货数量、库存数量、定价信息、促销活动、客流量等等都会动态产生，日积月累数据量也会很庞大。
同时，中小型企业有自己的供应商、经销商、合作伙伴等，这些公司也会有大量的数据，如果能建立起合作和分享机制，也会使得中小企业的数据量成倍增加。
另一种方式是通过不同数据格式将各种内外部数据巧妙的结合在一起，那么中小企业的数据也能变成大数据。例如天气历史数据和未来预测数据都可以公开的购买到，而天气对中小零售企业的影响非常大，例如下雨对餐厅生意和具体一些菜品的影响，会直接让企业调整他们的销售、采购和人员配置等。
而大量平台的兴起也让数据的搜集难度减小，中小企业可以在这些平台之上购买或者免费下载更多的数据集、分析报告、市场动态等，例如通过阿里平台的数据魔方，商家可以看到自己行业的大数据统计结果。将自己数据和公开数据结合在一起，可以增加数据量并且获得全新的分析结果。
随着ERP、CRM、WMS等信息系统在中国的迅速普及，使用成本大幅下降，没有这些系统的企业越来越少，甚至在一些特定的行业这些系统都已经有了十几年的历史，这些也都为大数据的实现奠定了基础。同时一些新的技术也在日新月异的发展，例如物联网传感器技术的广泛和低成本的应用，使用这一技术的产品可以传递全新的数据集。
03
没有那么多大数据资源怎么办？
不少中小企业都提出，自己由于规模有限，不能像大企业一样有自己的私有云、使用大公司的信息化解决方案、有专业的大数据分析团队等丰富的资源。
在这种情况下，中小企业要更加灵活和敏捷的找到适合自己资源的解决方案。例如可以使用由较小更加灵活的大数据创业公司创建的基于云端的大数据应用解决方案，采用公共云将数据临时缓存到云端进行处理，利用云计算优化成本获得最大价值，而不是采用上述大公司开发的虽然完整但是也非常昂贵的大数据解决方案。
同时，可以着力定制一些小型的分析软件等来处理比较重要的数据。当前基础信息系统和数据搜集技术以及商用硬件的价格都在下降，很多开源的算法工具都是免费的，进一步让大数据应用的成本下降。
而不少第三方的大数据创业型公司也在兴起，他们所提供的大数据分析服务未来将如同“水电煤”一样，成为广大企业必不可少的基础性服务，而中小企业完全可以尝试使用他们的大数据服务，而不用背上建立大数据团队的沉重包袱。
04
自己的大数据基础差怎么办？
还有不少企业提出，自己的线下大数据基础比较差。由于之前的大数据思维、搜集方法、分析方法等领域的不完善，导致自己的很多数据缺失、错误、遗漏等。例如数据收集维度不全不细，对数据的管理和获取不够，直接导致无法利用数据去辅助决策，很难获得高质量的建议结果为自己提供决策支持。
我认为基础差并不是一个根本问题，关键是要树立“大数据思维”，即认为大数据对于自己的价值很大，要持续不断的对数据进行搜集、梳理、转换、存储、分析、运用大数据。
其中“养数据”的意识要至关重要。阿里针对其数据有著名的两个循环理论：一个循环是在怎么用数据，一个循环是怎样养数据，怎么改善数据，两个循环不断的走动，不断的进步，所以数据是养出来、练出来、整理出来的。
特别要强调的是，养数据的过程不会很长，有的数据短短几个月的时间“养”出来后就可以分析出价值，但是养数据的规则、要求、方式一定要在专业数据公司或者人员的指导之下完成，目的就是为了以后的深度分析挖掘打下基础。
